基于改进BCCSA和深层LSTM的空气质量预测方法
所属分类:技术论文
上传者:aetmagazine
文档大小:480 K
标签:空气质量季节调整改进BCCSA
所需积分:0分积分不够怎么办?
文档介绍:现有的空气质量预测方法很少考虑季节性因素,且预测的效果不佳,因此提出一种基于改进二元混沌乌鸦搜索算法(Binary Chaotic Crow Search Algorithm,BCCSA)和深层长短期记忆神经网络(Long Short Term Memory,LSTM)的空气质量预测方法。首先提出季节调整的方法对收集的原始空气质量数据进行预处理,以消除季节对预测的影响;然后提出改进BCCSA,对空气质量数据进行优化处理;最后,将自注意力机制加入到深层LSTM中,对空气质量数据进行预测。实验结果表明,该方法能有效地提高空气质量的预测精度。
现在下载
VIP会员,AET专家下载不扣分;重复下载不扣分,本人上传资源不扣分。
Baidu
map